| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第9-15页 |
| 1.1 课题研究背景及意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-13页 |
| 1.3 论文主要研究内容 | 第13页 |
| 1.4 全文的组织结构 | 第13-15页 |
| 第二章 不确定数据的支持向量机算法 | 第15-25页 |
| 2.0 支持向量机理论 | 第15页 |
| 2.1 核函数 | 第15-17页 |
| 2.2 不确定数据的描述 | 第17页 |
| 2.3 基于不确定数据的支持向量机 | 第17-24页 |
| 2.3.1 不确定数据的分布特性 | 第17页 |
| 2.3.2 不确定数据超椭球模型的构建 | 第17-18页 |
| 2.3.3 不确定数据超椭球结构的支持向量机分类算法 | 第18-20页 |
| 2.3.4 不确定多分类支持向量机算法 | 第20-24页 |
| 2.4 本章小结 | 第24-25页 |
| 第三章 基于不确定支持向量机的滑坡危险性预测模型设计 | 第25-33页 |
| 3.1 模型设计的理论基础和基本流程 | 第25-27页 |
| 3.2 不确定支持向量机在模型中的分类原理 | 第27-28页 |
| 3.3 核函数的选择 | 第28-29页 |
| 3.4 参数的优化 | 第29-32页 |
| 3.4.1 相关参数的意义 | 第29页 |
| 3.4.2 参数优化的方法 | 第29-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 滑坡危险性预测模型的实例应用 | 第33-50页 |
| 4.1 实验环境的介绍 | 第33页 |
| 4.2 实验数据的采集及处理 | 第33-36页 |
| 4.2.1 实验数据的来源 | 第33-34页 |
| 4.2.2 数据预处理 | 第34页 |
| 4.2.3 样本数据的选择及标准化处理 | 第34-36页 |
| 4.3 模型的训练和分类预测 | 第36-43页 |
| 4.3.1 不确定多分类支持向量机模型的训练与预测 | 第36-41页 |
| 4.3.2 基于SMO算法的支持向量机模型的训练与预测 | 第41-43页 |
| 4.4 实验结果的评价分析 | 第43-49页 |
| 4.4.1 预测精度的评价指标 | 第43页 |
| 4.4.2 评价结果的分析 | 第43-45页 |
| 4.4.3 评价结果的比较 | 第45-49页 |
| 4.5 本章小结 | 第49-50页 |
| 第五章 总结与展望 | 第50-52页 |
| 5.1 论文总结 | 第50-51页 |
| 5.2 未来研究工作的展望 | 第51-52页 |
| 参考文献 | 第52-56页 |
| 致谢 | 第56-57页 |
| 攻读学位期间的研究成果 | 第57-58页 |
